🧠 قسمت ۱۲: پروژه عملی پردازش داده 📑

سلام دوستان! 👋
تو این قسمت می‌خوایم همه چیزهایی که تو فاز ۲ یاد گرفتیم (NumPy، Pandas، Matplotlib) رو ترکیب کنیم و یک پروژه کامل انجام بدیم. 🎯

---

🎓 پروژه: تحلیل نمرات یک کلاس

۱. آماده‌سازی داده‌ها

فرض کنید یک فایل CSV به اسم grades.csv داریم:

نام,ریاضی,فیزیک,شیمی

علی,18,17,16

سارا,20,19,18

نیما,15,14,13

رضا,19,20,18

---
۲. خواندن داده‌ها با Pandas

import pandas as pd



df = pd.read_csv("grades.csv")

print(df)

---
۳. پاک‌سازی داده‌ها

مثلاً اگر مقادیر گمشده باشه، پرشون می‌کنیم:

df = df.fillna(df.mean(numeric_only=True))

---
۴. محاسبه معدل هر دانش‌آموز

df["معدل"] = df[["ریاضی", "فیزیک", "شیمی"]].mean(axis=1)

print(df)

---
۵. تحلیل داده‌ها

* پیدا کردن بالاترین و پایین‌ترین معدل:

print("بیشترین معدل:", df["معدل"].max())

print("کمترین معدل:", df["معدل"].min())

* میانگین کل کلاس:

print("میانگین کلاس:", df["معدل"].mean())

---
۶. تجسم داده‌ها با Matplotlib

import matplotlib.pyplot as plt



plt.bar(df["نام"], df["معدل"], color="orange")

plt.title("معدل دانش‌آموزان کلاس 📊")

plt.ylabel("معدل")

plt.show()

📌 خروجی: نمودار ستونی معدل هر دانش‌آموز

---

۷. نتیجه‌گیری

* یاد گرفتیم داده‌ها رو بخونیم، پاک‌سازی کنیم، تحلیل کنیم و تجسم کنیم ✅
* این‌ها پایه‌ی اصلی کارهای هوش مصنوعی و یادگیری ماشین هستن. 🤖
* در فاز بعدی می‌ریم سراغ مبانی یادگیری ماشین (Machine Learning) ✨

---

👀 قسمت بعدی (شروع فاز ۳): مقدمه‌ای بر یادگیری ماشین 🤖

🗂 مرکز آموزش پایتون
➖➖➖➖➖➖➖➖
@pythonchallenge

🧠 قسمت ۹: کار با داده‌های جدولی 📊

سلام دوستان! 👋
حالا که با Pandas آشنا شدیم، بیایید یاد بگیریم چطوری روی داده‌های جدولی عملیات مختلف انجام بدیم. این بخش خیلی مهمه چون بیشتر داده‌های دنیای واقعی به شکل جدول هستن. 🗂

---
۱. فیلتر کردن داده‌ها

import pandas as pd



data = {

    "نام": ["علی", "سارا", "نیما", "رضا"],

    "سن": [18, 20, 19, 21],

    "نمره": [15, 19, 17, 20]

}



df = pd.DataFrame(data)



# فیلتر: نمایش فقط کسانی که نمره بالای 17 دارن

print(df[df["نمره"] > 17])

---
۲. مرتب‌سازی داده‌ها

# مرتب‌سازی بر اساس نمره

print(df.sort_values("نمره", ascending=False))

---
۳. انتخاب چند ستون

print(df[["نام", "نمره"]])

---
۴. اضافه کردن ستون جدید

df["وضعیت"] = df["نمره"].apply(lambda x: "قبول ✅" if x >= 18 else "مردود ❌")

print(df)

---

۵. محاسبات گروهی (GroupBy)

مثال: محاسبه میانگین نمره‌ها بر اساس سن 👇

print(df.groupby("سن")["نمره"].mean())

---

۶. پروژه کوچک

جدول نمرات دانش‌آموزان رو مرتب کنیم و وضعیت هر کس رو نشون بدیم:

students = {

    "نام": ["علی", "سارا", "نیما", "رضا"],

    "نمره": [15, 19, 17, 20]

}



df = pd.DataFrame(students)

df["وضعیت"] = df["نمره"].apply(lambda x: "قبول ✅" if x >= 18 else "مردود ❌")

print(df.sort_values("نمره", ascending=False))

📌 خروجی نمونه:

     نام  نمره     وضعیت

3   رضا    20    قبول ✅

1  سارا    19    قبول ✅

2  نیما    17   مردود ❌

0   علی    15   مردود ❌

---

👀 قسمت بعدی: پاک‌سازی و آماده‌سازی داده‌ها 🧹

🗂 مرکز آموزش پایتون
➖➖➖➖➖➖➖➖
@pythonchallenge

🧠 قسمت ۸: آشنایی با Pandas 🗂

سلام دوستان! 👋
امروز می‌خوایم با Pandas آشنا بشیم. این کتابخونه فوق‌العاده برای کار با داده‌های جدولی مثل فایل‌های Excel یا CSV استفاده می‌شه. 📊

---
۱. نصب Pandas

pip install pandas

---
۲. وارد کردن Pandas

import pandas as pd

✅ معمولاً با اسم کوتاه pd استفاده می‌شه.

---
۳. ساخت جدول (DataFrame)

import pandas as pd



data = {"نام": ["علی", "سارا", "نیما"], "سن": [18, 20, 19]}

df = pd.DataFrame(data)

print(df)

📌 خروجی:

     نام   سن

0   علی   18

1  سارا   20

2  نیما   19

---
۴. دسترسی به ستون‌ها و سطرها

print(df["نام"])      # دسترسی به یک ستون

print(df.iloc[1])     # دسترسی به یک سطر بر اساس اندیس

---
۵. خواندن فایل‌های داده

* خواندن فایل CSV:

df = pd.read_csv("data.csv")

* ذخیره جدول به CSV:

df.to_csv("output.csv", index=False)

---
۶. عملیات روی داده‌ها

print(df.describe())   # آمار خلاصه

print(df["سن"].mean())  # میانگین سن‌ها

---
۷. پروژه کوچک

ساخت جدول نمرات و محاسبه معدل هر دانش‌آموز:

import pandas as pd



data = {

    "نام": ["علی", "سارا", "نیما"],

    "ریاضی": [18, 19, 15],

    "فیزیک": [17, 20, 14],

    "شیمی": [16, 18, 13]

}



df = pd.DataFrame(data)

df["معدل"] = df[["ریاضی", "فیزیک", "شیمی"]].mean(axis=1)

print(df)

📌 خروجی نمونه:

     نام  ریاضی  فیزیک  شیمی   معدل

0   علی    18     17     16   17.0

1  سارا    19     20     18   19.0

2  نیما    15     14     13   14.0

---

👀 قسمت بعدی: کار با داده‌های جدولی 📊

🗂 مرکز آموزش پایتون
➖➖➖➖➖➖➖➖
@pythonchallenge